Pengujian Asumsi Klasik 1. Pengujian Normalitas Data Uji Heteroskedastisitas
Dari tabel tersebut terlihat bahwa variabel X2 tertinggi dari pengamatan pada 68 observasi mencapai nilai 32, terendah 18 dan nilai rata – rata mencapai
23,08 kurang mendekati skor maksimal 32 dengan deviasi standar dari rata - rata sebesar 3.61.
Dari tabel tersebut terlihat bahwa variabel X3 tertinggi dari pengamatan pada 68 observasi mencapai nilai 31, terendah 21 dan nilai rata – rata mencapai
27,35 paling mendekati skor maksimal 31 dengan deviasi standar dari rata - rata sebesar 2.08.
Dari tabel tersebut terlihat bahwa variabel X4 tertinggi dari pengamatan pada 68 observasi mencapai nilai 32, terendah 18 dan nilai rata – rata mencapai
27,30 mendekati skor maksimal 32 dengan deviasi standar dari rata - rata sebesar 3.12.
Dari tabel tersebut terlihat bahwa variabel Y tertinggi dari pengamatan pada 68 observasi mencapai nilai 29, terendah 20 dan nilai rata – rata mencapai
24,11 mendekati skor maksimal 29 dengan deviasi standar dari rata - rata sebesar 2.32.
Hal ini menunjukkan bahwa pengalaman audit, reward punishment, dan independensi auditor sudah cukup baik, terutama pengetahuan. Namun untuk
tingkat stress masih belum begitu baik, masih perlu ditingkatkan atau dijaga.
4.2.3. Pengujian Asumsi Klasik 4.2.3.1. Pengujian Normalitas Data
Universitas Sumatera Utara
Uji normalitas bertujuan untuk menguji apakah dalam model regresi variabel terikat dan variabel bebas keduanya mempunyai distribusi normal atau
tidak. Untuk menguji apakah data penelitian ini terdistribusi normal atau tidak dapat dideteksi melalui Analisis Grafik. Berdasarkan pada Gambar 1.1 dibawah
Ghozali 2005 menyatakan jika distribusi data adalah normal, maka tidak melewati kurva baik kiri maupun di kanan. Hasil output tersebut terlihat bahwa
data berdistribusi normal.
•
Pengujian Normalitas Data dengan Analisis Grafik Histogram
Sumber : Data DiolahOutput SPSS Lampiran X
Gambar 4.1. Grafik Normalitas Data 4.2.3.2. Pengujian Multikolinearitas
Pengujian multikolinearitas dilakukan untuk melihat apakah pada model regresi ditemukan adanya korelasi antar variabel bebas. Model regresi yang baik
seharusnya tidak terjadi multikolinearitas. Cara mendeteksinya adalah dengan
Universitas Sumatera Utara
melihat nilai . VIF. Menurut Santoso 2002, pada
umumnya jika VIF lebih besar dari 10, maka variabel tersebut mempunyai persoalan multikolinearitas dengan variabel bebas lainnya.
Tabel 4.5. Pengujian Multikolinieritas
+ ,-
. a. Dependent Variable: Y1
Sumber : Data DiolahOutput SPSS Lampiran 2
Pada output SPSS pada Tabel 5.3 tersebut menunjukkan variabel X1, X2, X3 dan X4 memiliki angka VIF jauh di bawah 10 dan
mendekati 0.1, hal ini menunjukkan tidak terjadi multikolinearitas dan memiliki arti tidak ada
korelasi antar variabel independen yang nilainya lebih dari 95.